为了在一个独立的虚拟环境中安装并仅使用 CUDA 11.3 而不影响系统中原有的 CUDA 10.2 环境，你可以按照下面的步骤操作： ### 步骤一：创建新的 Conda 或者 venv 的 Python 环境 首先确保已经安装了 `conda` 或者可以考虑直接通过 python 内置的 `venv` 来建立一个新的环境。 对于 conda 用户来说，可以通过命令行输入: ```shell conda create -n openmmlab python=3.x # x 根据需要选择Python版本 ``` 而对于那些更喜欢使用纯python的人，则可以在终端运行如下指令来激活 `venv` 模块，并创建新环境： ```shell python -m venv openmmlab ``` ### 步骤二：激活新建的环境 如果你使用的是 conda 创建的环境，那么应该运行： ```shell conda activate openmmlab ``` 如果使用的 `venv`, 则应根据操作系统分别执行相应的命令去激活它。例如，在 Linux/MacOS 上你会这样做： ```shell source openmmlab/bin/activate ``` Windows上则是这样的路径： ```shell .\openmmlab\Scripts\activate.bat ``` ### 步骤三：配置 CUDA 11.3 接下来就是在刚刚创建好的环境下添加对 CUDA 11.3 的支持。这里推荐一种简单的方式——利用 NVIDIA 提供的预构建镜像或是库文件来进行本地安装；另一种方式就是借助于 PyTorch 官方提供的 pip 包（假设你需要 PyTorch），其中包含了特定版本的CUDA依赖项。 #### 如果您选择了前者， 访问[NVIDIA官网](https://developer.nvidia.com/cuda-downloads) 并挑选适合你系统的CUDA Toolkit 11.3 进行安装. 请注意，因为我们要将此设置限制在此单独的环境中而不影响全局设置，所以建议不要改变PATH等全局变量指向新安装的位置。而是手动指定工具链位置给后续要装入这个特殊环境里的软件包们知晓即可。 #### 对于后者 (Pytorch为例), 则只需一条简单的pip install 命令就能搞定包含适当版次 CUDA 支持在内的所有必要的内容： ```bash pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113 ``` ### 步骤四：验证安装成功与否 最后一步就是要检查一下是否真的达到了我们的目标啦～ 打开Python解释器然后尝试导入一些需要用到GPU加速功能模块看看是不是一切正常工作吧！ ```python import torch print(torch.cuda.is_available()) ``` 以上过程完成后你应该能够在名为 "openmmlab" 的孤立环境中享受由最新一代硬件所带来的性能提升了！与此同时其他项目依旧能够继续沿用旧有稳定可靠的 CUDA 版本而互不干扰。